基于全向视觉的足球机器人任意足球识别与跟踪问题研究

论文摘要

本文以RoboCup中型组机器人足球赛为应用背景,针对任意足球识别问题,设计并实现了一种基于全向视觉的任意足球识别与跟踪算法,提高了中型组足球机器人的感知能力,降低了中型组足球机器人对颜色编码化环境的依赖。本文设计并实现了基于全向视觉的任意足球识别算法,该算法采用改进的Haar-like特征与Adaboost学习算法。识别算法分为离线训练阶段与在线识别阶段两部分。在离线训练阶段,首先使用NuBot足球机器人平台上的全向视觉系统采集若干幅包含任意足球的全景图像,并对图像进行预处理构成训练样本集。然后计算样本集中图像的Haar-like特征向量并合并为特征矩阵。最后以特征矩阵作为Adaboost学习算法的输入,计算出任意足球识别算法的分类器。在在线识别阶段,首先沿全景图像的径向方向定义一系列的矩形窗口,根据全向视觉系统的成像特性,这些矩形窗口在径向方向上的长度是变化的。然后将矩形窗口分别沿全景图像的圆周方向及径向方向遍历整幅全景图像并用分类器判别窗口的类别,即判断该窗口是否包含足球。由于RoboCup中型组足球机器人足球比赛是一个高度动态对抗的环境,对任意足球识别算法实时性要求较高,为提高任意足球识别算法的实时性,本文还设计了用于跟踪足球运动的基于Kalman滤波和RANSAC的球速估计算法。首先存储若干帧足球的位置信息,然后对存储的足球信息做Kalman滤波,最后利用RANSAC算法计算出足球的运动速度。仿真实验与实际应用结果都表明该球速估计算法的性能都优于已有的基于最小二乘法和Kalman滤波的球速估计算法。球速估计算法能够得到的足球速度信息,从而预计足球的运动轨迹,而任意足球识别算法可以沿着预计的足球运动轨迹搜索任意足球,使搜索窗口的数目大大减少,同时也降低了识别算法的运算量。因此将球速估计算法与任意足球识别算法结合可以较好的弥补识别算法实时性较差的不足。本文开展了多组任意足球识别实验,实验证明该识别算法都具有较好的识别效果,并且与球速估计算法结合后,算法实时性得到很大提高,在足球运动的情况下能够很好的跟踪和识别任意足球。该算法在足球被遮挡以及场地光照变化较大的情况下仍然具有较好的识别和跟踪性能。通过替换训练样本集,本文设计的基于全向视觉的识别算法还可以应用到其他种类目标的识别。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 引言
• 1.1.1 课题研究背景
• 1.1.2 课题研究意义
• 1.2 国内外研究现状
• 1.3 本文研究内容以及论文结构
• 1.3.1 论文创新点
• 1.3.2 论文组织结构
• 第二章 目标识别方法概述
• 2.1 目标识别问题
• 2.2 特征提取方法
• 2.2.1 全局特征简介
• 2.2.2 局部特征简介
• 2.3 分类识别方法
• 2.3.1 有监督分类方法
• 2.3.2 无监督的分类方法
• 2.4 验证实验
• 2.5 小结
• 第三章 基于全向视觉的足球机器人任意足球识别算法研究
• 3.1 任意足球识别问题介绍
• 3.2 NuBot 足球机器人及其全向视觉系统介绍
• 3.3 基于全向视觉的任意足球识别算法
• 3.3.1 任意足球识别算法样本集的构建
• 3.3.2 图像预处理及生成Haar-like 特征
• 3.3.3 强分类器的构建算法研究
• 3.3.4 在线的任意足球识别算法研究
• 3.4 实验结果与分析
• 3.4.1 Haar-like 特征对识别性能的影响
• 3.4.2 Adaboost 算法对识别性能的影响
• 3.4.3 任意足球识别算法识别结果
• 3.4.4 识别算法的优势与不足
• 3.5 小结
• 第四章 足球机器人球速估计算法研究
• 4.1 球速估计算法的意义
• 4.2 RANSAC 算法介绍
• 4.3 球速估计算法研究
• 4.4 球速估计实验结果与分析
• 4.5 结合球速估计的任意足球识别实验结果与分析
• 4.6 小结
• 第五章 结论与展望
• 5.1 论文工作总结
• 5.2 未来工作展望
• 致谢
• 参考文献
• 作者在学期间取得的学术成果